文远知行自动驾驶路测超过 900 多天，积累了 280 万公里的自动驾驶里程，接待乘客近 9 万人次，并在黄埔区、广州开发区全对外开放运营 Robotaxi（自动驾驶出租车）超过 200 多天，零主动安全事故。接下来，集中处理最复杂、罕见的长尾场景，是实现全无人驾驶的关键。而在城中村，这种长尾场景随处可见。
中国城市的商业区建筑密度一般不会超过 40%-50%，而部分城中村的建筑密度最高可达 70% 。城中村中往往只有一两处宽度仅为 7 米的对外联系道路, 村内部道路多以房屋间距作为步道, 大多只有 2 ~ 4 米宽, 不仅行人，也行车，不设车道线和交通灯，各类私家车辆、路边小摊档直接停放在马路边，供车辆通行的空间极为狭窄。而一旦出村，地铁站、繁华商区的宽敞大路又会突然显现，村内外交通场景差异显著。
城中村内车多人杂，随时变化行进方向，对自动驾驶的预测算法造成了极大的挑战。对此，文远知行 WeRide ONE 采取的应对方式是：拥抱预测的不确定性。
文远知行在预测算法中强化了机器学习的模型。机器学习模型是基于大数据提取障碍物行进特征，反复进行模型训练，提升算法，提高预测准确率。
文远知行机器学习模型更突出的一个特点是，调整系统的交互思维。在自动驾驶车辆跟周围的车辆、行人动态互动时，会根据每一步的互动，在短时间内实时调整预测结果，而非死板地依赖于某一固定时刻的预测数据。同时，通过将预测与规划、决策和控制环节更好地衔接，提升了整个系统的稳定性，让车辆行驶更平稳。
在安全第一的准则下，文远知行的自动驾驶车辆会以礼让行人、车辆为优先考虑，在会车时，首先选择主动靠边让行。但是，在拥挤、繁忙的城中村街道，让行也可能导致车辆始终无法行进、卡死在原地的情况发生，适当地采取主动交互，以调整方向、速度等方式，给周围行人、车辆以信息，寻求新的共识。
达成共识是破解城中村交通的重中之重，是文远知行 WeRide ONE 最关注的技术提升点。
文远知行自主研发的自动驾驶传感器套件，能检测到远至 250 米范围内的所有道路和交通信息，360 度全覆盖四周各种障碍物，比人眼更精准、可靠地 “看” 到周围的物体，对障碍物进行检测、分辨、跟踪，最终形成对场景的正确理解。
但是在城中村拥挤的交通环境下，自动驾驶车辆在近距离检测方面面临巨大的挑战。自动驾驶车辆与周围物体的距离可以低至几厘米，“贴着” 障碍物行进的情况时有发生，需要自动驾驶车辆的最近检测距离几乎为 0 时，做到没有盲区。
为城市交通打造 Robotaxi 服务，需要具备在城市开放道路上灵活处理各类复杂交通问题的能力。这其中，对自动驾驶产生最大挑战的是违反交通规则、不按常理出招的车辆或行人，构成了自动驾驶技术发展至今，最难攻克的长尾场景。文远知行通过高强度、高密度的长尾场景训练，迭代算法，可以加速推进自动驾驶技术的成熟。
文远知行解决在城中村实现自动驾驶的问题，不仅可以在城市开放道路中更安全、自如、稳定地提供出行服务，还将有助去掉安全员，更快实现全无人驾驶运营服务的目标。